AI Shorts 17 Min. Lesezeit

KI Picks der 47. KW

GPT-6.2 Astra und Sol, Gemini 4 Neon, Qwen4-Max und MAI Code 2 starten, Mistral lockt mit drei Gratismonaten Vibe Pro. Dazu /advisor in Claude Code, Hugging Face mit OpenRouter, eve 1.0, A2UI, Poppy, Firecrawl Local und das Rätsel um Gestalt.

KI Picks der 47. Kalenderwoche

In der letzten Woche habe ich mich indirekt noch beschwert, dass auch die Nachrichtenlage langsam herbstlich wird. Das nehme ich hiermit ausdrücklich wieder zurück. Reichlich Modelle diese Woche, ein wenig Harness und Coding-Agents, außeredem tun sich OpenRouter und Hugging Face zusammen. Hardware gibt es wieder mal keine, zumindest keine neue.

Und sonst so: Ich habe mir einen Soundcore Work zugelegt und bin, offen gesagt, nur mäßig begeistert. Richtige Software gibt es nur fürs Smartphone. Dort ist vieles eingeschränkt bis gar nicht möglich, etwa wenn ich meine Aufnahmen auf eigenem Weg transkribieren möchte (zum Beispiel lokal auf dem Rechner mit Whisper). Am Desktop geht es nur über Umwege im Webportal, abgesehen vom direkten Diktieren in Typeless, das aber wiederum sehr anständig funktioniert. Anker schreibt das sogar recht offen in die FAQ: Die App gibt es derzeit nicht für den Desktop. Einen Export der Aufnahmen per Kabel gibt es auch nicht, weil die Daten verschlüsselt auf dem Gerät liegen. Hätte ich alles vorher wissen können, wenn ich nur ordentlich gegoogelt und gelesen hätte. Das Schlimme daran ist aber: Die ganze Marktlage sieht für solche Geräte nicht besser aus.

Dann mal rein in die 47. Kalenderwoche, in der gefühlt jedes zweite Labor den Release-Knopf gefunden hat.

GPT-6.2 Astra und Sol

Teste ich gerade eher so nebenher. Da ist zum einen das größere Projekt direkt in Codex, zu dem ich aktuell noch nichts erzählen kann. Dieses Projekt wechselt je nach Aufgabe die Modelle in Subagents ohnehin fröhlich durch und gönnt sich bisweilen auch mal einen Astra-Agenten mit ein wenig mehr Denkschmalz. Wenn das online ist und mein Arbeitgeber auch nickt, berichte ich zu gegebener Zeit darüber.

Für den zweiten Anwendungsfall nutze ich primär Sol (erst 6.1, seit Mittwoch 6.2) in der Desktop-App als externen Orchestrator, Tester und Judge für LongCat-2.5, das im Pi-Harness über Rex seinen Dienst verrichtet. Astra war da bisher eher selten im Einsatz, hat aber den Auftrag, beim harten Kram mal gegenzutesten. Das ist mein privates Spaßprojekt und wird, wenn es mal fertig ist, hoffentlich ein self hosted Projektmanagement-Tool für Agenten und Menschen gleichermaßen. Auch dazu erzähle ich mehr, wenn Zeit und Werkzeug reif sind.

Die Konstellation, in der GPT-6.2 Sol das in Pi laufende LongCat-2.5 orchestriert, funktioniert übrigens hervorragend. LongCat neigt auch nicht mehr dazu, sich aufzuhängen. Anscheinend war das einfach ein temporäres Problem.

Belastbare Benchmarks habe ich keine und auch keinen Token-Verbrauch gemessen. Ich habe lediglich ein wenig Erfahrung aus rund 16 Stunden überwiegend selbstlaufender Agenten angesammelt, die bisher erfreulich wenig Shit gebaut haben (soweit ich das beurteilen kann). Über Auffälligkeiten kann ich also – langweilig, aber leider wahr – gar nichts berichten. Losgelassen habe ich die Modelle bisher fast ausschließlich in Codex und ein ganz klein wenig im Web-Chat, dort auch nur Sol.

Für breite Benchmarks gibt es ja Artificial Analysis. Dort kommt Astra auf max auf 62 Punkte im Intelligence Index, Sol auf 57. Sol braucht dafür im Schnitt 1,01 $ und 9,4 Minuten pro Index-Aufgabe, Astra 4,00 $ und 14,3 Minuten. Mit gut 200 Sekunden bis zum ersten Antworttoken lässt sich Astra im Performance-Test außerdem viel Zeit.

OpenAI hat beide am 17. November veröffentlicht: Astra als Frontier-Modell für die schwierigsten Projekte, Sol als effizientes Modell für den Alltag. Beide sollen bessere Ergebnisse mit weniger Output-Tokens liefern. Verfügbar sind sie für Plus, Pro, Enterprise und Edu in ChatGPT Work und Codex sowie über die API. Bei Astra sinken die Tokenpreise gegenüber GPT-6 Astra um 20 %, gecachter Input sogar um 60 %, Sol behält die Preise von GPT-6.1 Sol.

MerkmalGPT-6.2 AstraGPT-6.2 Sol
Kontextfenster1 Mio. Tokens1 Mio. Tokens
InputText, BilderText, Bilder
OutputTextText
Input / 1 Mio. Tokens8,00 $2,00 $
Cached Input / 1 Mio. Tokens0,40 $0,10 $
Output / 1 Mio. Tokens40,00 $10,00 $

Auf X haben bereits am Launch-Tag nicht wenige Menschen einiges an Unmut über die Modelle geäußert. Darunter auch Matt Shumer, der eine ausführliche Review gleich ganz abgesagt hat, weil die Modelle für ihn praktisch unbrauchbar gewesen seien. Und Shumer steckt seit Jahren so tief im Thema, wie man eigentlich nur stecken kann. Tibo Sottiaux beschwichtigt am Tag nach dem Launch erst mal ein wenig: Einige Leute hätten schon vor einer Weile Zugang bekommen, in den letzten drei, vier Tagen vor dem Launch habe sich aber noch viel geändert. Deren Videos seien in der Vorwoche entstanden. Am Abend tritt er dann nochmal leicht nach.

Ich sehe das Ganze ähnlich wie Ben Tossell, auch wenn ich es weniger dramatisch formulieren würde:

lab folks - cut this 'gee golly' crap out
if users use a product and its bad, thats YOUR problem.

Immerhin Paweł Huryn ist zufrieden: In seinem Code-Review-Test mit 105 eingepflanzten Bugs in zwei Repos liegt Astra auf max mit 62,7 Punkten für 28,35 $ vorn, Fable 5.2 kommt auf max auf 58 Punkte für 139,65 $.

Gemini 4 Neon

Google meint es anscheinend ernst und lüftet gerade mal so richtig durch. Nach Argon, Carbon und Hydrogen kam am 18. November Gemini 4 Neon dazu, einsortiert zwischen Carbon und Hydrogen. Gedacht ist es für komplexes Coding, Analysen und Wissensarbeit, bei denen es schneller gehen soll als mit den großen Modellen. In Antigravity kann Neon zudem als Orchestrator parallele Hydrogen-Subagents steuern. Zu haben ist es in der kostenpflichtigen Gemini API (AI Studio, Android Studio), in Gemini for business, für zahlende Pro- und Ultra-Abonnenten in Antigravity und für Pro und Ultra in der Gemini-App.

Und nein, getestet habe ich hier auch noch nichts. Ich bin gerade eher damit beschäftigt, bei Google hinterherzukommen und meine laufenden Workflows auf die passenden neuen Modelle umzustellen (die laufen bis auf wenige Ausnahmen alle über die Gemini API und dort inzwischen entweder über 3.8 Flash oder Hydrogen). Das war wegen der Testerei mit mehr Aufwand verbunden, als mir aktuell lieb ist, scheint sich aber zu lohnen, wenn ich mir das bisher so ansehe.

Artificial Analysis misst auf xhigh 61 Punkte im Intelligence Index und damit Platz drei, gleich hinter Astra. Auf dem Weg dorthin erzeugt Neon im Index-Lauf 283 Millionen Tokens (gut das Vierfache des Medians) bei durchschnittlich 21,5 Minuten pro Aufgabe. Eine Index-Aufgabe auf xhigh kostet damit 6,44 $, mehr als bei Astra (4,00 $), obwohl dessen Tokenpreise deutlich höher liegen. Google selbst setzt high als Standard und gibt dort 32 % niedrigere Kosten pro Aufgabe als bei Carbon an.

MerkmalGemini 4 Neon
Architekturnicht offengelegt
Kontextfenster1 Mio. Tokens
InputText, Bilder, Audio, Video
OutputText
Denkstufenvier, high als Standard, xhigh als höchste
Input / 1 Mio. Tokens3,00 $
Cached Input / 1 Mio. Tokens0,15 $
Output / 1 Mio. Tokens15,00 $

Qwen4-Max und Live Delivery

Auch Qwen4-Max habe ich noch nicht ausprobiert, momentan ist einfach zu viel anderes los. Das steht aber sehr, sehr weit oben auf der Liste. Alibaba hat das Modell am 16. November rausgelassen, mit nativer Bild- und Videoverarbeitung sowie einem Schwerpunkt auf Coding, professionellen Anwendungen und langen Agentenaufgaben. Laufen lässt es sich über die API und den Token Plan von QwenCloud sowie in QwenWork, Qoder und QwenStudio. Kleinere offene Qwen4-Modelle sind angekündigt.

MerkmalQwen4-Max
ArchitekturMoE, 2,4T Parameter, 71B aktiv, plus 328B N-Gram-Embedding
Kontextfenster1 Mio. Tokens
InputText, Bilder, Video
OutputText
Reasoninglow, high als Standard, xhigh, abschaltbar
Tool Calling / JSON-Schemaja
Input / 1 Mio. Tokens1,50 $ (OpenRouter: 1,425 $)
Cached Input / 1 Mio. Tokens0,075 $ (OpenRouter: 0,07125 $)
Output / 1 Mio. Tokens4,50 $ inkl. Reasoning (OpenRouter: 4,275 $)
Lizenzproprietär

Die OpenRouter-Preise enthalten den aktuell ausgewiesenen Rabatt von 5 %, Stand 19. November.

Interessant ist das Qwen-Live-Delivery-Plugin: Der Agent soll früh eine nutzbare erste Version liefern und sie anschließend schrittweise ausbauen. In einer lokalen Browser-Oberfläche lassen sich Zwischenstände beurteilen, herunterladen und neue Anforderungen nachreichen, während der Auftrag weiterläuft. Außerdem lässt sich das Zeitbudget anpassen und die Aufgabe stoppen. Zum Start unterstützt das Plugin Codex CLI auf Linux und macOS, benötigt Node.js 22 oder neuer und verwendet die vorhandene Modell-, Login- und Freigabekonfiguration von Codex. Das Plugin selbst steht unter Apache 2.0.

Bei den Messungen von Artificial Analysis fällt die Wartezeit auf: 43 Punkte im Intelligence Index bei rund 136 Sekunden bis zum ersten Antworttoken. Dazu kommen 127 Millionen Tokens im Index-Lauf und knapp 30 Minuten pro Aufgabe. AA führt das Modell mit xhigh, die API verwendet standardmäßig high, das sollte man beim Vergleich berücksichtigen.

MAI Code 2 und Code 2 Flash: Microsoft setzt aufs Preisschild

Microsoft hat am 17. November MAI Code 2 und MAI Code 2 Flash vor die Tür gelassen. Das größere Modell zielt auf Debugging, Änderungen über mehrere Dateien und das Verständnis ganzer Repositories. Flash soll Code erklären, kleinere Änderungen erledigen und Routinefehler beheben. Beide hat Microsoft selbst von Grund auf trainiert, mit zusätzlichem Training direkt in den Agentenumgebungen von GitHub Copilot CLI und VS Code.

Beide Modelle verarbeiten auch Screenshots und UI-Entwürfe. Die technischen Grenzen stammen aus der Modellkarte, die Preise aus der tokenbasierten Copilot-Abrechnung, jeweils pro Million Tokens und mit 50 % Einführungsrabatt.

MerkmalMAI Code 2Code 2 Flash
ArchitekturMoEMoE
Gesamtparameterca. 2,8Tca. 398B
InputText, BilderText, Bilder
OutputText, max. 128.000 TokensText, max. 128.000 Tokens
Kontextfenster1.050.000 Tokens1.050.000 Tokens
Maximaler Input922.000 Tokens922.000 Tokens
Reasoninglow bis maxlow bis max
Input / 1 Mio. Tokens0,50 $0,05 $
Cached Input / 1 Mio. Tokens0,025 $0,005 $
Output / 1 Mio. Tokens2,50 $0,25 $

Das Preisargument könnte durchaus überzeugen. Microsoft bewirbt Code 2 mit durchschnittlich 98 % der Benchmark-Leistung von GPT-6.1 Sol bei 40 % der Kosten, gemittelt über vier Coding-Benchmarks, jeweils mit maximalem Reasoning und unter Einrechnung des Aktionspreises. Gemessen hat das wohlgemerkt Microsoft selbst. Weitere kleine Fußnote: Ab 17. Mai 2027 verdoppeln sich laut Preisliste sämtliche oben genannten Tokenpreise. In Copilot wird der Verbrauch über AI Credits und das jeweilige Abo-Kontingent abgerechnet, ein günstiger Tokenpreis ist noch kein Festpreis pro erledigter Aufgabe.

Ausprobieren lassen sich beide bereits in GitHub Copilot, etwa in VS Code oder der CLI. Code 2 gibt es ab Copilot Pro, Flash auch in den kostenlosen Plänen, dort allerdings nur über die automatische Modellauswahl. Eine kleine Ergänzung zum vermeintlichen Copilot-Exklusivstart: Flash ist außerdem als zugangsbeschränkte Preview in Microsoft Foundry verfügbar. Für OpenRouter, Vercel, Hermes, OpenCode und Kilo ist die Veröffentlichung bislang angekündigt. Wer seine Modelle nicht über GitHub Copilot oder Foundry bezieht, schaut sich das günstige Preisschild also vorerst durchs Schaufenster an.

Microsoft-Decision-1.1: neue Basis, jetzt auch mit Bildern

Irgendwie hatte ich nicht nur aufgrund der Versionsnummer im Hinterkopf, dass es aus Redmond schon mal eine News zum Thema Decision-Modell gab. Die dunkle Erinnerung passt: Microsoft-Decision-1 erschien bereits am 9. Oktober (hier in den KI Picks der 42. KW). Grundlage war Qwen3.5-9B, MAI und OpenAI waren als mögliche Basis späterer Varianten angekündigt. Mit Version 1.1 folgt seit 17. November die allgemeine Verfügbarkeit, diesmal auf Basis von Gemma 4 26B A4B. Das Modellkarussell dreht sich munter und zuverlässig weiter.

Neu sind Bilder als Eingabe, beispielsweise Screenshots. Im Decision Index v2.1 von Artificial Analysis kommt das Modell laut Microsoft auf 68 Punkte.

MerkmalMicrosoft-Decision-1.1
BasisGemma 4 26B A4B, MoE
InputText, Bilder
OutputEntscheidungen und Wahrscheinlichkeiten
ZugangFoundry, OpenRouter, Vercel AI Gateway
Input / 1 Mio. Tokens0,042 $ (Foundry Global Standard), 0,046 $ (US Data Zone), 0,05 $ (EU/APAC Data Zone)
Output / 1 Mio. Tokenskostenlos

Microsoft nutzt das Modell selbst, um Anfragen zwischen Copilot und Cowork einzuordnen und in Cowork den Reasoning-Aufwand anzupassen. Ansonsten hatte die Microsoft Ignite 2026 ganz viele Superlative in der Keynote. Am Ende las es sich fast ein wenig so, als hätten sie das Auto-Routing gerade neu erfunden.

Die „new Copilot experience“ bringt auch greifbare Änderungen: Home bündelt Chat und Cowork, während sich Word-, Excel- und PowerPoint-Dateien direkt in Copilot erstellen und gemeinsam bearbeiten lassen. Beides ist für alle Kunden mit entsprechenden Tarifen verfügbar. Autopilot, der eigenständig wiederkehrende Aufgaben übernehmen soll, startet dagegen erst im Frontier-Programm. Ebenso ist Workspaces dort angesiedelt, während Copilot Code in den kommenden Wochen folgen soll. Für den von Nadella ausgerufenen Titel „neues Betriebssystem für Arbeit“ hätte vermutlich auch eine etwas kleinere Stage gereicht.

Mistral Vibe mit Le Chonk und drei Monate Vibe Pro gratis

Mistral feiert sein Gespann aus Vibe und Le Chonk als bestes offenes Duo aus Modell und Harness und betont, beim Coding besser als GLM und DeepSeek zu sein. Zur Feier gibt es Vibe Pro für die ersten drei Monate kostenlos, in Europa und nach dem Prinzip first come, first served, mit dem Code LECHONK. Le Chonk ist der Spitzname von Mistral Large 4, dem Open-Weights-Modell mit einer Billion Parametern, davon 52 Milliarden aktiv.

Im Abo stecken laut Einlöse-Seite unter anderem mehr Nachrichten und Websuchen, schnellere Antworten, ganztägiges Coding in CLI, IDE oder Web, Tabellen und Präsentationen, bessere Bildgenerierung sowie 25,50 € API-Guthaben pro Monat.

Das Vibe-CLI gibt es schon seit Ende Mai, jetzt aber kommt eine Desktop-App für macOS und Windows dazu. Bei drei Gratismonaten konnte ich nicht Nein sagen (ich habe ja ein Herz für CLIs) und habe mal zugegriffen. Gemacht habe ich damit diese Woche noch nichts, das hole ich aber asap nach.

Sage S2.1 Flash

Im Shanghai AI Laboratory ist Sage S2.1 Flash vom Band gelaufen, offiziell vorgestellt am 17. November, auf Hugging Face stand es schon einen Tag früher. Das multimodale Modell verbindet Recherche, Coding und Tool-Use mit wissenschaftlichen Datentypen wie Molekülgraphen, Kristallstrukturen und Proteinsequenzen. Es ist auf Aufgaben ausgelegt, bei denen ein Agent wiederholt Daten analysiert, Fachsoftware bedient und seine nächsten Schritte anhand von Zwischenergebnissen und visuellen Rückmeldungen anpasst. Die Gewichte sind frei verfügbar.

Die speziellen wissenschaftlichen Eingaben benötigen zusätzliche Encoder, Projektoren und passende Vorverarbeitung. Einfach irgendeine Forschungsdatei in den Chat werfen ist damit noch kein fertiger Workflow. In den Demos des Teams baut das Modell nach Referenzfotos ein Gebäude in Blender nach, segmentiert Zellkerne in Fiji und sucht aus über 12.000 durcheinandergewürfelten CT-Bildern die 139 Schnitte einer Aufnahme heraus, um daraus in 3D Slicer die Knochen dreidimensional zu rekonstruieren. Am Ende stehen editierbare Projekte und Messdaten, die sich weiterbearbeiten lassen. Diese überprüfbaren Ergebnisse finde ich interessanter als die nächste hübsche Abschlussantwort.

Auch außerhalb der Forschung nennt das Team Ergebnisse: 72,2 auf OfficeQA Pro, 37,1 auf SpreadsheetBench 2 und 90,3 auf MLE-bench Lite, jeweils der höchste Wert innerhalb der eigenen Vergleichsgruppe aus sechs Modellen. Das sind Messungen des Modellteams. Die Gegner heißen dort unter anderem GPT-5.6 Sol und Claude Opus 5, sind also teils schon eine Generation alt. Beim letzten Wert lohnt der Blick auf die Einheit: Gemessen wird HumanRank, ein Rangmaß gegenüber menschlichen Wettbewerbsteilnehmern. Eine Erfolgsquote gelöster Aufgaben ist das nicht.

Für Selfhosting ist das eher nix, da man fast ein halbes Rechenzentrum für das Ding braucht: Die offizielle Deployment-Anleitung nennt rund 645 GB BF16-Gewichte und zeigt Referenzkonfigurationen mit acht H200-GPUs. Für einen ersten Versuch bietet das Team einen API-Zugang über TokenPlan an.

MerkmalSage S2.1 Flash
ArchitekturMoE, Architektur von GLM-5.3-Flash
Parameterca. 320B, 18B aktiv
InputText, Bilder, über Sage SciPerception zusätzlich wissenschaftliche Datentypen
OutputText
GewichteBF16, offizielle FP8-Version
LizenzMIT für Code und Gewichte

Maxwell-V1-Flash: Open Weights für Recherche und Code

Mit Maxwell-V1-Flash fällt beim Maxwell-Team ein Textmodell für Reasoning, Recherche und Coding-Agents hinten raus. Die Gewichte stehen unter Apache 2.0 bereit, das Team nennt rund 26 Billionen Tokens für das mehrsprachige Vortraining. Der Schwerpunkt liegt auf langen Kontexten und Aufgaben, bei denen das Modell Werkzeuge über mehrere Schritte hinweg einsetzen muss. Für den Betrieb reicht laut README eine einzelne B300.

Und dann gibt es da noch die Maxwell Block Sparse Attention: Sie kombiniert feste lokale Bereiche mit ausgewählten weiter entfernten Abschnitten des Kontexts, während der vollständige KV-Cache erhalten bleibt. Das Team meldet bei 256K Kontext eine 6,7-fache Beschleunigung des Attention-Kernels gegenüber dichter GQA. Diese Zahl beschreibt allerdings einen Teil der Berechnung, die Geschwindigkeit einer kompletten Agentenaufgabe ist damit noch nicht gemessen.

MerkmalMaxwell-V1-Flash
ArchitekturMoE
Parameter35B gesamt, 3B aktiv (jeweils ohne Embeddings)
Kontextfenster262.144 Tokens
InputText
OutputText
GewichteBF16, Safetensors
LizenzApache 2.0

In den veröffentlichten Herstellertests erreicht Maxwell 65,4 % auf SWE-bench Verified, gemessen mit Claude Code als Harness. Auf Terminal-Bench 2.1 sind es 58,65 %, dort als Mittelwert über fünf Durchläufe. Verglichen wird unter anderem mit Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it und Muse-Glimmer-30B. Gerade die Ergebnisse machen das Modell innerhalb dieser Größenklasse so interessant. Beim Instruction-Following liegt es in derselben Tabelle hinter Gemma und Muse.

/advisor in Claude Code: Der Berater bekommt eine Stechuhr

Zoes Tipp auf X ist angenehm kurz: /advisor fable, später bedanken. Damit kann das Hauptmodell in Claude Code bei schwierigen Entscheidungen Fable konsultieren, etwa bei der Planung, bei wiederkehrenden Fehlern oder für eine abschließende Prüfung. Das Hauptmodell erledigt weiterhin die Arbeit. Wann es den Berater hinzuzieht, entscheidet es selbst, eine Prüfung jedes Arbeitsschritts garantiert der Befehl also nicht.

Die relevante Fußnote liefert Killa Runa X: In Claude Code liest der Advisor bei jedem Aufruf das gesamte Gespräch erneut, ohne eigenen Prompt-Cache. Bei 500.000 Tokens Kontext kostet ein einzelner Check-in mit Fable nach dieser Rechnung rund vier Dollar. Lange Sitzungen machen die Beratung entsprechend teurer. Die Nutzung zählt zum Kontingent oder wird bei bestimmten Plänen mit Fable über Nutzungsguthaben abgerechnet. Wo dafür eine Zustimmung nötig ist, muss sie zuerst über /model fable erteilt werden, sonst ignoriert Claude Code den Advisor stillschweigend. Anschließend wieder zum gewünschten Hauptmodell wechseln und /advisor fable setzen. Der Berater kommt schließlich mit eigener Honorarordnung.

Wem Fable zu teuer ist, dem bietet die offizielle Dokumentation weitere Kombinationen: Sonnet kann über /advisor opus einen Opus hinzuziehen. Auch Sonnet mit Sonnet oder Opus mit einem zweiten Opus sind vorgesehen. Der Advisor muss in der Modellrangfolge von Claude Code mindestens auf Höhe des Hauptmodells liegen. Das Ganze ist weiterhin experimentell.

Und dann kommt iskerwin auf Github mit advisor-live um die Ecke: Die Mod unter MIT-Lizenz ergänzt eine Statuszeile und eine Seitenansicht im Stil von btop, mit Hauptmodell, Advisor, Aufrufzähler, Laufzeiten und Verlauf. Damit lässt sich beobachten, ob der konfigurierte Berater überhaupt zum Einsatz kommt. Zwei klitzekleine Einschränkungen dazu: Aufrufe erscheinen erst nach ihrem Abschluss. Kategorien wie „vor der Planung“ oder „derselbe Fehler zweimal“ werden aus dem Sitzungsverlauf abgeleitet, der Advisor selbst meldet keine Einsatzgründe. Für einen Blick darauf, wie oft und wie lange beraten wird, geht genau so etwas deutlich steiler als der nächste „thank me later“-Post.

Hugging Face routet jetzt mit OpenRouter

Das passt für mich ganz gut zusammen: Auf Hugging Face findet man die Weights und Modellkarten, OpenRouter vermittelt die passende Inferenz dahinter. Am 16. November haben beide ihre Zusammenarbeit angekündigt: Hugging Face ersetzt den eigenen Router für Sprachmodelle durch die Infrastruktur von OpenRouter. Gehostete Modelle vom Hub lassen sich weiterhin mit dem Hugging-Face-Token und der bisherigen API aufrufen, vorausgesetzt, ein angeschlossener Anbieter stellt sie bereit.

Der praktische Zugewinn steckt dann im Routing. Anfragen werden anhand von Preis, Geschwindigkeit und Zuverlässigkeit verteilt, fällt ein Anbieter aus oder läuft ins Rate-Limit, kann ein anderer übernehmen. Über Zusätze wie :fastest, :cheapest oder einen konkreten Providernamen lässt sich die Auswahl beeinflussen. Für die Anbindung gibt es Anleitungen für Claude Code, Codex, OpenCode, Pi und Hermes Agent. Unterstützt werden die API-Formate Chat Completions, Responses und Messages. Weniger Adapterpflege nehme ich gern mit.

Abgerechnet wird über Hugging Face zum jeweiligen Providerpreis, ohne zusätzlichen Aufschlag. Eine relevante Änderung gibt es für bestehende Setups: Eigene Provider-API-Keys lassen sich bei den darüber gerouteten Sprachmodellen nicht mehr verwenden. Bild-, Video- und Audiogenerierung laufen weiter über die bisherige Infrastruktur, eigene Keys für Bild- und Videoanbieter bleiben nutzbar.

Auf den Modellseiten zeigen neue Ansichten Anbieter, Preise und Leistungsdaten, unerwünschte Provider lassen sich in den Einstellungen ausschließen. Die Verknüpfung bestehender OpenRouter-Konten kündigt das Team als nächsten Schritt an. Für mich ist vor allem der kürzere Weg vom Modellfund zum brauchbaren API-Zugang interessant. Die Modellkarte lesen und anschließend erst einmal drei Anbieter vergleichen ist irgendwo auch ein Workflow, nur keiner, an dem ich besonders hänge.

eve 1.0: Vercels Agenten-Framework ist final

eve hatte ich schon einmal dabei, als das Framework frisch aus der Preview-Ecke von Vercel kam. Am 17. November hat Vercel nun Version 1.0 und die allgemeine Verfügbarkeit angekündigt. Das Projekt bleibt Open Source unter Apache 2.0 und richtet sich an Entwickler, die Agenten samt Tools, Freigaben und länger laufenden Abläufen bauen wollen.

Ein Agent entsteht aus einem Verzeichnis: Anweisungen und Skills liegen in Markdown-Dateien, Tools werden in TypeScript geschrieben, Modelle und Kanäle lassen sich konfigurieren. Der Harness übernimmt Modellaufrufe, Werkzeugnutzung und die Delegation an Subagenten. Über das Workflow SDK werden Fortschritte gespeichert, sodass Abläufe nach einem Absturz fortgesetzt werden können. Auch das Warten auf Menschen, Webhooks oder Timer gehört zum Ablauf, ohne dafür dauerhaft Compute laufen zu lassen.

Mit 1.0 kommen unter anderem sitzungsübergreifendes Memory und überarbeitetes OpenTelemetry-Tracing hinzu. Mehrere Personen können gemeinsam mit einem Agenten arbeiten, Freigaben und Anmeldungen werden der jeweils zuständigen Person zugeordnet. Memory lässt sich für einzelne Nutzer oder ein Team konfigurieren. In den Traces werden neben Modell- und Tool-Aufrufen auch Wartezeiten, Freigabeentscheidungen und Kosten sichtbar, also auch die weniger fotogenen Teile des Agentenalltags. Als Kanäle stehen beispielsweise Slack, Telegram, GitHub und Web-Chat bereit.

Das Hosting überlässt man Vercel, oder man betreibt es selbst, mit einem Node-Server, persistentem Workflow-Speicher sowie konfigurierbarem Modellzugang und Sandbox-Backend. Ich finde das nach wie vor echt spannend (gerade für Selfhosting), muss mir aber erst einen konkreten Anwendungsfall suchen. Sonst habe ich am Ende eine Horde Agenten, die untereinander brainstormen, was sie eigentlich machen sollen.

A2UI 1.0

Eigentlich schon vom 11. November, aber mir erst diese Woche vor die Füße gefallen: Google hat mit A2UI 1.0 die erste stabile Version seines offenen Protokolls für generative Oberflächen veröffentlicht. Agenten können damit Formulare, Vergleichskarten oder Diagramme zusammenstellen, mit denen sich direkt weiterarbeiten lässt. Der Agent beschreibt die Oberfläche als strukturierte Daten, die über JSON-Nachrichten beim Client ankommen. Die App rendert daraus ihre eigenen Komponenten aus einem vorher festgelegten Katalog, das Designsystem bleibt also bei der Anwendung.

Die Plattformübersicht unterscheidet bewusst zwischen der Protokollversion und den einzelnen SDKs, die noch nicht überall gleichzeitig nachziehen.

Nice an 1.0 sind vor allem die bidirektionalen Funktionsaufrufe. Ein Eingabefeld oder Filter kann darüber eine definierte Backend-Funktion aufrufen und das Ergebnis direkt in der bestehenden Oberfläche aktualisieren. Dafür muss kein neuer LLM-Durchlauf gestartet werden. Eine Verfügbarkeitsprüfung oder Neuberechnung bleibt so im normalen Anwendungscode, während der Agent die passende Oberfläche zusammenstellt. Hinzu kommen Unterstützung für Accessibility-Attribute und erweiterbare Metadaten.

Auch mit MCP Apps lässt sich A2UI kombinieren: Ein eingebetteter Web-Renderer kann die Oberflächen beispielsweise in Claude anzeigen, sofern der Host MCP Apps unterstützt. Der Host braucht dafür keine eigene A2UI-Integration, der Renderer steckt im ausgelieferten App-Bundle.

So ganz verschwindet die Entwicklungsarbeit damit allerdings nicht: Eigene Komponenten brauchen weiterhin eine Implementierung für die jeweilige native Plattform.

Personal Agent Protocol 1.0: Der Agent kommt durch den Haupteingang

Schon vom 13. November, aber zu gut, um es liegen zu lassen: Sierra hat Personal Agent Protocol 1.0 veröffentlicht, kurz Poppy. Das offene Protokoll regelt, wie ein persönlicher Agent im Auftrag seines Nutzers mit Unternehmen zusammenarbeitet, über APIs, Websites oder den jeweiligen Unternehmensagenten. Dazu gehören das Auffinden der Zugänge, die Identifikation des Agenten und der autorisierte Zugriff auf Kundenkonten. Auch die KI muss sich also erst einmal ordentlich vorstellen.

Technisch beginnt das bei einer Datei unter /.well-known/poppy.json, in der ein Unternehmen seine Schnittstellen und Anmeldemöglichkeiten beschreibt. Kontozugriffe werden über OAuth freigegeben und können später widerrufen werden. Vorhandene Schnittstellen wie MCP und OpenAPI lassen sich einbinden, welche Kanäle und Funktionen angeboten werden, entscheidet weiterhin das Unternehmen.

Zum Start meldet Sierra bereits konkrete Verbreitung: Muse, der KI-Agent von Meta, sucht auf jeder besuchten Website zuerst nach Poppy. Shopify veröffentlicht die entsprechende Datei automatisch für alle Händler. Insgesamt zählt Sierra inzwischen mehr als 100 Designpartner. Die gemeinsam mit Shopify entwickelte Commerce-Erweiterung verbindet Poppy mit dem Universal Commerce Protocol (UCP). Poppy hilft beim Ankommen, Identifizieren und Klären der Zugriffe, UCP beschreibt die eigentlichen Einkaufsabläufe wie Produktsuche, Warenkorb und Checkout.

Bei Turkish Airlines können persönliche Agenten laut Ankündigung bereits Tarife, Flugstatus und Buchungen abrufen sowie passende Business-Class-Upgrades finden, die Kunden vor der Bezahlung bestätigen. Für Unternehmen, die selbst einsteigen wollen, gibt es ein Implementation Kit mit einem Skill für Coding-Agents und einem Validator. Der Skill führt durch Bestandsaufnahme, Entwurf und Umsetzung auf Basis der vorhandenen Systeme, der Validator prüft anschließend die erreichbare Implementierung gegen die Protokollanforderungen. Das ist für Web- und Shopbetreiber zumindest ein konkreterer Einstieg als die nächste Präsentation darüber, dass Agenten bald Kunden sein werden. Wie viel Agentenverkehr heute überhaupt ankommt, habe ich mir beim agentischen SEO schon einmal angesehen.

Firecrawl Local

Firecrawl hat am 18. November Firecrawl Local auf GitHub veröffentlicht. Der bisherige Selfhosting-Aufwand schrumpft damit auf ein einzelnes Programm. Die neue Scrape-Engine ist in Rust geschrieben und soll laut Firecrawl 37-mal schneller als die bisherige Selfhosting-Variante sein und im Leerlauf mit 11 MB Arbeitsspeicher auskommen.

JavaScript-Seiten werden im lokal installierten Chrome oder Chromium gerendert, auch PDFs und Office-Dokumente verarbeitet das Werkzeug auf dem eigenen Rechner. MCP ist auch an Bord. Eine lokale API ermöglicht außerdem die Nutzung vorhandener Firecrawl-SDKs. Laut Local-README erfolgt die Installation über cargo install firecrawl-local, dafür braucht es Rust und einen C-Compiler. Für die MCP-Anbindung kommt Node.js ab Version 22 dazu.

Beim Datenschutz lohnt sich allerdings der Blick auf die Voreinstellung: Scheitert ein einzelner Scrape auf dem eigenen Rechner, kann Firecrawl automatisch auf seine Cloud ausweichen. Auch Websuche und die Alexandria-Datenanbieter laufen über die Cloud. Wer diese Übergaben ausschließen will, muss FIRECRAWL_CLOUD=off setzen. Die Einstellung deaktiviert sowohl den Cloud-Fallback als auch die entsprechenden Cloud-Funktionen. „Local“ bringt ab Werk also noch einen Hinterausgang mit.

Für Dokumentationssammlungen und Recherche-Workflows ist das praktisch: weniger Infrastruktur und die Möglichkeit, den Abruf samt Aufbereitung ohne Firecrawl als zusätzlichen Datenempfänger zu betreiben. Das kann einige Datenschutzkopfschmerzen deutlich reduzieren. Wohin der angebundene Agent die gewonnenen Inhalte anschließend schickt, ist aber die andere Frage.

Gestalt

Seit Mittwochabend hypt sich Gestalt durch halb X: ein neues Stealth-Modell, das bislang nur im Benchmark von Contra Labs auftaucht. Eine andere Quelle gibt es nicht. Ordentlich befeuert wurde das Ganze vom Gründer Ben Huffman.

Der Rahmen dazu: Contra Labs hat zusammen mit BenchFlow den Frontier Design Benchmark gestartet. 33 Website-Briefings, die meisten nach echten Aufträgen vom Contra-Marktplatz, dazu 68 Designer und über 4.300 Blindvergleiche. Gestalt steht dort mit rund 1.930 Elo auf Platz eins, vor den menschlichen Referenzentwürfen (1.739) und Claude Fable 5.2 (1.713). Stand ein Gestalt-Entwurf direkt neben einem dieser Referenzentwürfe, entschieden sich die Designer 20 von 28 Mal für Gestalt. Contra schreibt, man arbeite mit dem Team zusammen. Wer dieses Team ist, steht nirgends. Nebenbei liefert der Benchmark eine hübsche Liste typischer KI-Designmuster, angeführt von kleinen Versal-Labels über jeder Überschrift, die nur wiederholen, was die Überschrift ohnehin sagt.

Seitdem herrscht auf X das große Rätselraten, hauptsächlich darüber, wer das Ding entwickelt hat.

Wenn das ein Marketing-Stunt von Huffman ist und sich das Ding am Ende als Hoax herausstellt, war es eine verdammt dumme Idee, da er im Gegenzug für Reichweite die Glaubwürdigkeit seiner Bude nachhaltig gefährdet. Wetten werden noch angenommen.

Fin, das war's für diese Woche. Passt wie immer gut auf Eure Agenten auf.

Artikel teilen: